基于 CEEMDAN 和小波包的降噪方法研究

塑料制品一般采用注塑成型的工艺，其表面和内部会存在缺陷，常用超声信号对其进行无损检测，噪声往往夹杂在有用信号中，因而得到缺陷信息的关键在于如何对回波信号进行降噪。由于回波信号的非线性、非平稳性，传统的傅里叶变换难以准确识别有用信号，进行有效去噪。小波变换作为傅里叶变换的改进，具有较好的时频局部分析能力，去噪原理是: 选取合适的小波基函数和分解层数，对原始信号进行分解，再选取合适的阈值对各层小波系数进行处理，最后将处理后的各小波系数进行重构，即得到降噪后的信号［3］。该方法的缺点在于去噪效果受小波基函数、分解层数和阈值的选取影响较大，且选取原则往往靠经验来确定。小波包变换是小波变换的新发展，能够为信号提供一种更加精细的分析方法，对小波变换没有细分的高频部分进一步分解，从而提高了对信号的处理能力，但仍存在和小波变换相同的缺点。
经验模态分解( Empirical Mode Decomposition， EMD) 是 Huang 等1998 年提出的时频分析新方法，能够较好地处理非线性和非平稳信号，且自适应性较强，将信号分解为一系列从高频到低频排列的固有模态函数( Intrinsic Mode Function，IMF) 和一个残差，克服了小波阈值去噪法的缺点，然而它也有其不足之处，如模态混叠、端点效应等。CEEMDAN是EMD算法的改进。CEEMDAN是一种时频域分析法，它通过添加自适应性噪声来进一步消除模态效应，拥有很强的自适应性和更好的收敛性，多用于处理非线性和非平稳信号。

1 基本原理

1.1 CEEMDAN原理

EMD具有良好的时频分析能力，